用户作为企业经营的对象，影响着企业的发展，了解和分析用户相关行为习惯，建立用户画像十分有必要，下面我们通过一些用户画像分析案例来加深理解！

01 用户画像分析案例：用户画像实例

天高气爽，凉风微抚，爸比带着Coco出去玩，在某个湖边看到好多人在放风筝。突发奇想：我们也去放吧！Coco表示：嗯！于是俩人一起去走鬼（广东话，指无证流窜小摊贩）大叔那买风筝。

看到coco喜欢，爸比就准备掏钱了，然而峰回路转，没想到又有下边一段：

然后爸比就和coco愉快地放风筝去了。可事后一想：我勒个大槽，这不就是基于用户画像的，用推荐系统提升交易的完整流程吗！数据采集-打标签-产品推荐-向上销售一气呵成，还做了二次推荐，把成交率和客单价分开提升，真是巧妙。

虽然大叔没有啥大数据系统，也不懂写代码，可这办事的思路，却远远胜过还在到处问“推荐风筝的算法有哪些”“BAT是怎么卖风筝的？”“我是互联网风筝行业的，有没有懂互联网风筝问题的大佬”的新人了，毕竟实践出真知，抄袭降智商。

然而仔细一想，事情并没有这么简单：卖玩具的多了去了，为什么偏偏是风筝呢？

 

02 用户画像分析案例：用户画像的真正用途

常溜娃的家长都很熟悉，在公园、池塘、草地附近，都有小摊贩卖泡泡棒、玩具枪、魔法棒、挖沙工具、风筝一类玩具。看似都是卖玩具，可细细品来，不同玩具的差异非常明显。

玩具枪、魔法棒：

这一类玩具款式非常重要！是不是巴啦啦小魔仙的魔法棒，是不是吃鸡的98K，直接决定了小朋友买不买。这是典型的：爆款驱动。爆款是可以人为创造的。这里考的就是业务设计、推广能力。选款不行，一切白费。再好的推荐系统也帮不上忙。

泡泡棒：

这一类玩具卖点很突出：漫天泡泡飞啊飞。所以丫根本不需要推荐。你只需要埋伏在路边，等着一群小朋友走过来，然后往天上一呼，哗啦啦好多泡泡向小朋友方向飞去。然后就十有八九有小朋友想买。这是典型的：体验驱动。这里考的是销售能力，让用户体验到效果。不然不让体验，光叨逼叨推荐，还是会丢掉。

挖沙桶：

这玩意同质化程度非常高（一个方头铲、一个尖头铲、一个耙子，一个小铲，一个贝壳模型，一个海星模型，一个小桶，全国同款）。而且功能非常明确、单一：挖沙！对家长而言，没啥好说的，便宜就买，贵了就不买，典型的：价格驱动。这里考的是定价，价格贵了，再推荐，家长也不当冤大头。

相比之下，风筝非常独特：

● 风筝撑开的话体积太大，不容易陈列，不容易供客户挑选。

● 风筝的花色、尺寸、图形，确实很多人会在意。你还不能不让人家挑。

● 风筝单价相对较高，卖贵了，大人分分钟掉头走人，卖便宜了不挣钱。

特别是对于走鬼大叔，真要是把风筝都摊在地上，估计城管来了跑都跑不掉！而且摊几十个风筝在地上，卖相也很差，家长挑选也很辛苦。

要知道，很少家长是心甘情愿带着孩子去小摊上买东买西的。大部分都是怕/被孩子又哭又闹的苟且之计。所以多增加一点选择负担，就多一点损失客户的几率。因此推荐系统在这里就很好用。

对比这四个品类，我们发现：推荐系统只是商品管理的一个辅助工具而已，适用于非爆款、品类间有一定差异的产品。

但是，商品管理的每一种战术，都和用户画像有关，理解用户，才能精准地满足需求。所以不要一提用户画像就想到推荐上去了，还有更多工作可以做呢（如下图所示）。

 

03 用户画像分析案例：有用的用户画像为什么难做！

既然用户画像这么好用。那为什么我们总觉得，用户画像是搞了一堆数据堆在那，最后屁用没有呢？因为想做出有用的用户画像，需要规避太多的坑了。

坑点一：没有明确干什么

如果走鬼大叔见了家长，不问人家买什么，在那谈天说地瞎聊天。他还能卖出风筝吗？当然不行，可能扯淡是扯个爽的。这就是有目标和无目标的区别。对应到工作中，很多人做用户画像是基于：“领导要求做”“我看人家都在做”。

至于：

● 做了干啥？

● 哪个部门用？

● 用在什么场景？

● 提升什么指标？

● 这个指标当前是多少？

● 预计提升多少？

● 提升指标需要什么配套？

完全没想过

这要是做出来有用，就见鬼了。╮(╯▽╰)╭

坑点二：数据质量没保障

注意，大叔明明看到了一个爸比+一个小朋友走过来，可他还是问了：“大人放还是小孩放？”没有想当然，这是专业性的表现。因为玩具是一个典型的使用者和购买者分离的场景，特别是风筝，大人小孩都可以玩。这时候确认真实性是很重要的。

对应到工作中，就是我们常说的数据质量。数据质量是一切分析的前提，而很多公司是低估了数据采集的严谨性的。在所谓“标签扩散法”出来以后，更有一帮做数据的新人，自己都以为不要采集，只要有算法就能算出真实数据了，这就真的是自断生路了。数据质量，永远都是越高越好。

坑点三：不打标签只捞数

注意，大叔问的是一个标签，不是一个原始数据。比如大人也可能有身高150，小孩也可能身高150。那为什么要问标签，而不是一个具体数值呢？一来问标签数据采集难度小，二来孩子这个标签不但代表了身高，也代表了审美，作用远比原始数据丰富。

这就是标签作用的直观体现：含义丰富，使用方便。这也是为啥采集了数据，还得继续打标签的原因。标签是经过提炼，有含义的数据分类，比原始数据要有用的多。

坑点四：效果缺少验证，更没有迭代

说到标签有用，于是就有人患上了标签狂热症，疯狂打标，不管丫有用没用，有多大用，总之标签越多越好。可没有验证过效果的标签，跟没有一样。更不要提基于初级标签，再制作更复杂的二级，三级标签了。

有意思的是，走鬼大叔就用了二级标签的策略。注意，如果一开始就说：普通风筝20，儿童风筝30，那很有可能家长就直接选20的了。如果一开始说：风筝30，有可能把家长吓跑。

但是先确认家长愿意买，再推荐一个“不伤手”的贵点的绕线轮，成功率就大大提升。因为已经确认了：这个家长肯迁就孩子，那肯迁就孩子的家长，肯定大概率会买个贵的。实际上，不完全统计，现场有一半都是“不伤手”的绕线轮，嘿嘿，其中滋味，你品，你细品。

04 小结

对于许多0基础的人而言，用户画像分析确实复杂，推荐大家找到合适自己的软件辅助，比如许多人都在用的九数云BI，它可以深入了解用户的行为和需求，优化网站内容和功能，提升用户体验和转化率。无论是客户画像、访客分类、站内搜索词分析等都可以轻松搞定，可以为企业提供了宝贵的决策依据。

上一篇: 同比公式中的同比增幅怎么计算？3分钟包学包会教程！——九数云BI
下一篇: 1篇文章带你认识12款实用mysql数据库可视化工具！——九数云BI